AI for Developers: Design, Build, Deploy LLM-powered Applications

Σύντομη περιγραφή προγράμματος
Το πρόγραμμα προσφέρει μια ολοκληρωμένη εισαγωγή στις εφαρμογές της Τεχνητής Νοημοσύνης με έμφαση στα Μεγάλα Γλωσσικά Μοντέλα (LLMs). Οι συμμετέχοντες θα μάθουν να ενσωματώνουν μοντέλα σε εφαρμογές με Python και FastAPI, να σχεδιάζουν αποτελεσματικά prompts, να αναπτύσσουν λύσεις με etrieval-Augmented Generation (RAG), να δημιουργούν αυτόνομους AI agents και να αξιοποιούν εργαλεία ανοιχτού κώδικα. Μέσα από πρακτικά εργαστήρια και την υλοποίηση ενός τελικού project, οι εκπαιδευόμενοι αποκτούν δεξιότητες που ανταποκρίνονται άμεσα στις ανάγκες της αγοράς.
Τρόπος διεξαγωγής
Οι καταρτιζόμενοι μπορούν να παρακολουθήσουν το πρόγραμμα με δύο διαφορετικούς τρόπους: με δια ζώσης παρακολούθηση, ή παρακολούθηση με Live Streaming, δηλαδή μέσω ηλεκτρονικής πλατφόρμας από τον χώρο της επιλογής τους. Για την παρακολούθηση του προγράμματος "δια ζώσης", τηρείται σειρά προτεραιότητας βασει ημερομηνίας ολοκλήρωσης εγγραφής, λόγω περιορισμένου αριθμού θέσεων στην αίθουσα διδασκαλίας. Οι συμμετέχοντες με φυσική παρουσία στην αίθουσα (δια ζώσης τρόπος παρακολούθησης) θα πρέπει να φέρνουν laptop την ώρα του μαθήματος. Οι καταρτιζόμενοι επιλέγουν τον τρόπο παρακολούθησης στην αίτησή τους. H Live Streaming μέθοδος παρέχει τα εξής πλεονεκτήματα:
  • Εκπαίδευση χωρίς γεωγραφικούς περιορισμούς
  • Παρακολούθηση των διαλέξεων (Live) από το χώρο του εκπαιδευόμενου
  • Δυνατότητα υποβολής ερωτήσεων στον διδάσκοντα την ώρα του μαθήματος
  • Δυνατότητα παρακολούθησης της βιντεοσκοπημένης διάλεξης σε μεταγενέστερο χρόνο (ισχύει για όλους τους συμμετέχοντες)
  • Ηλεκτρονική διάθεση του εκπαιδευτικού υλικού του προγράμματος (ολόκληρο το εκπαιδευτικό υλικό προσφέρεται δωρεάν σε όλους τους συμμετέχοντες)
Μαθησιακά αποτελέσματα
Με το πέρας του προγράμματος, ο εκπαιδευόμενος:
  • θα έχει αποκτήσει ουσιαστική κατανόηση των θεμελιωδών αρχών της τεχνητής νοημοσύνης και των μεγάλων γλωσσικών μοντέλων (LLMs),
  • θα είναι σε θέση να ενσωματώνει AI λειτουργίες σε πραγματικές εφαρμογές μέσω Python και FastAPI,
  • να αξιοποιεί τεχνικές prompt engineering για στοχευμένα αποτελέσματα,
  • να αναπτύσσει λύσεις βασισμένες σε Retrieval-Augmented Generation RAG),
  • να σχεδιάζει και να υλοποιεί αυτόνομους AI agents, καθώς και
  • να τρέχει και να συγκρίνει μοντέλα ανοιχτού κώδικα τοπικά.
Τελικός στόχος είναι η ανάπτυξη ενός ολοκληρωμένου project που συνδυάζει δεξιότητες αρχιτεκτονικής, ανάπτυξης και δημιουργικότητας.
Θεματικές ενότητες
  1. Ανασκόπηση Python και Fast API. AI Foundations και το πρώτο API Call
    18 ώρες διδασκαλίας | Ανασκόπηση Python, Fast API. Επίσης, θα εφοδιαστούν οι εκπαιδευόμενοι με πρακτικές δεξιότητες ώστε να ενσωματώνουν μεγάλα γλωσσικά μοντέλα (LLMs) σε εφαρμογές, να κατανοούν την αρχιτεκτονική των λειτουργιών που υποστηρίζονται από τεχνητή νοημοσύνη και να πλοηγούνται στο οικοσύστημα εργαλείων και βέλτιστων πρακτικών.
    Πρακτικό Εργαστήριο
    • Ρύθμιση API Keys για OpenAI και/ή Anthropic.
    • Σύνταξη ενός απλού Python script που πραγματοποιεί την πρώτη API κλήση σε ένα LLM και εμφανίζει την απόκριση.
  2. The Art and Science of Prompt Engineering
    9 ώρες διδασκαλίας
    • Βασικές Τεχνικές: Zero-Shot, One-Shot και Few-Shot Prompting.
    • Δόμηση Αποτελεσματικών Προτροπών: Προσωπικότητα, Πλαίσιο, Εργασία Μορφή (Το πλαίσιο «PCTF»).
    • Προχωρημένες Τεχνικές: Chain-of-Thought, ReAct (Λογική + Δράση) και χρήση οριοθετητών.
    • Prompting για Παραγωγή Κώδικα, Αναδόμηση και επεξήγηση.
    Πρακτικό Εργαστήριο:
    • Κατασκευή ενός CLI εργαλείου που παίρνει μια περιγραφή σε φυσική γλώσσα και δημιουργεί μια Python συνάρτηση.
    • Δημιουργία ενός “chatbot”με συγκεκριμένη προσωπικότητα (π.χ. ένας κυνικός εκπρόσωπος υποστήριξης).
  3. Building Applications: The AI Architecture Stack
    9 ώρες διδασκαλίας
    • Μοτίβα Ενσωμάτωσης AI: Chatbots, δημιουργοί περιεχομένου, ταξινομητές και agents.
    • Διαχείριση Κατάστασης και Πλαισίου σε μια εφαρμογή συνομιλίας.
    • Ανάπτυξη με Αξιοπιστία: Διαχείριση καθυστερήσεων API, χρονικών λήξεων (timeouts) και ορίων ρυθμού (rate limits).
    • Εκτίμηση και Διαχείριση Κόστους: Υπολογισμός χρήσης tokens και τιμολόγησης.
    Πρακτικό Εργαστήριο:
    • Κατασκευή ενός RESTful API endpoint (με χρήση FastAPI ή Flask) που «τυλίγει» ένα LLM για να εκτελεί μια συγκεκριμένη εργασία (π.χ. περίληψη κειμένου, ανάλυση συναισθήματος, παραγωγή κειμένου μάρκετινγκ).
  4. Beyond Basic Prompts: Retrieval-Augmented Generation (RAG)
    9 ώρες διδασκαλίας
    • Τα Όρια της Γνώσης των LLMs.
    • Αρχιτεκτονική RAG: Εισαγωγή (Ingestion), Ενσωματώσεις (Embeddings), Βάσεις Δεδομένων Διανυσμάτων (Vector Databases) και Ανάκτηση (Retrieval).
    • Embeddings: Μετατροπή κειμένου σε αριθμούς που αναπαριστούν το νόημα.
    • Εισαγωγή στις Βάσεις Δεδομένων Διανυσμάτων (π.χ. Pinecone, ChromaDB, Weaviate).
    Πρακτικό Εργαστήριο
    • Κατασκευή ενός “Document Q&A Bot”: Εισαγωγή ενός PDF ή κειμένου, αποθήκευση των embeddings σε μια βάση δεδομένων διανυσμάτων και δημιουργία εφαρμογής που απαντά σε ερωτήσεις βασισμένη αποκλειστικά σε εκείνο το έγγραφο.
  5. AI Agents: From Tools to Autonomy
    9 ώρες διδασκαλίας
    • Τι είναι ένας Agent; Το παράδειγμα ReAct.
    • Εφοδιάζοντας τα Μοντέλα με Εργαλεία: Σύνδεση των LLMs με συναρτήσεις (π.χ. αναζήτηση στο διαδίκτυο, αριθμομηχανή, API calls, εκτέλεση κώδικα).
    • Πλαίσια Ανάπτυξης Agents: LangChain, LlamaIndex.
    • Σχεδιασμός και Αποσύνθεση Εργασιών.
    Πρακτικό Εργαστήριο:
    • Κατασκευή ενός απλού research agent που μπορεί να χρησιμοποιεί ένα API αναζήτησης για να βρίσκει τρέχουσες πληροφορίες και στη συνέχεια να συνθέτει μια αναφορά.
  6. The Open-Source World: Running Your Own Models
    9 ώρες διδασκαλίας
    • Γιατί Ανοιχτού Κώδικα; Προστασία δεδομένων, έλεγχος κόστους, προσαρμογή.
    • Το Οικοσύστημα του Hugging Face: Βιβλιοθήκη transformers, pipelines και το Hub.
    • Κβαντοποίηση: Εκτέλεση μοντέλων σε καταναλωτικό υλικό (consumer hardware).
    • Εισαγωγή στην Τοπική Εκτέλεση (Local Inference) με Ollama ή LM Studio.
    Πρακτικό Εργαστήριο:
    • Χρήση του Ollama για την εκτέλεση ενός μικρού μοντέλου ανοιχτού κώδικα (π.χ. Llama 3, Phi-3) τοπικά στον υπολογιστή σας.
    • Σύγκριση αποτελεσμάτων και απόδοσης με ένα cloud API.
  7. Τελικό Project
    9 ώρες διδασκαλίας | Οι φοιτητές θα προτείνουν και θα κατασκευάσουν από το μηδέν ένα από τα παρακάτω:
    • Ένα Εσωτερικό Wiki Q&A Σύστημα με RAG: Για την εσωτερική τεκμηρίωση μιας εταιρείας.
    • Ένα Βοηθό Κωδικοποίησης με AI: Ένα προσαρμοσμένο εργαλείο που βοηθά στη δημιουργία και επεξήγηση κώδικα για μια συγκεκριμένη βάση κώδικα.
    • Ένα Ερευνητικό Agent Πολλαπλών Βημάτων: Που μπορεί να ερευνήσει ένα θέμα στο διαδίκτυο και να συντάξει ένα λεπτομερές υπόμνημα.
    • Ένα Παιχνίδι με AI: Με μια δυναμική αφήγηση που καθοδηγείται από LLM.
Εκπαιδευτικό υλικό
  • Σύγχρονη τηλεκπαίδευση
  • Βιντεοδιαλέξεις (μπορεί να γίνει και ασύγχρονα)
  • Παρουσιάσεις/Διαφάνειες σε ψηφιακή μορφή
  • Σημειώσεις & Βιβλιογραφία
  • Εργαστήρια/Workshops
Η αξία του προγράμματος
Η αξία του προγράμματος έγκειται στο ότι παρέχει ένα ολοκληρωμένο, πρακτικό και σύγχρονο μονοπάτι εκπαίδευσης πάνω στις πιο κρίσιμες τεχνολογίες AI, δίνοντας τη δυνατότητα στους συμμετέχοντες να αποκτήσουν άμεσα εφαρμόσιμες δεξιότητες που ζητάει η αγορά. Η σύνδεση θεωρίας και εργαστηρίων hands-on, η εμβάθυνση τόσο σε εμπορικές όσο και σε ανοιχτού κώδικα λύσεις, καθώς και η ανάπτυξη τελικού project με πραγματική αξία, καθιστούν το πρόγραμμα ένα ισχυρό εφόδιο για επαγγελματίες που επιθυμούν να κατανοήσουν, να υλοποιήσουν και να αξιοποιήσουν εφαρμογές τεχνητής νοημοσύνης σε ποικίλα πεδία.
Εβδομαδιαίο πρόγραμμα
Δευτέρα, Τρίτη, Τετάρτη, 18.00 – 21.00 και στη συνέχεια καθημερινά για 3 εβδομάδες (σύνολο εκπαίδευσης 8 εβδομάδες).
Μέθοδοι αξιολόγησης και υπολογισμού τελικού βαθμού
Οι εκπαιδευόμενοι αξιολογούνται βάση ατομικής εργασίας.
Γλώσσα Διδασκαλίας
Ελληνικά
Προθεσμία υποβολής αιτήσεων: 10/02/2026
Έναρξη προγράμματος: 16/02/2026
Ολοκλήρωση προγράμματος: 30/04/2026
Επιστημονική περιοχή
Τρόπος διεξαγωγής
Άλλες σημαντικές πληροφορίες
Οι εκπαιδευόμενοι αξιολογούνται βάση ατομικής εργασίας. Επιτυχών θεωρείται ο εκπαιδευόμενος που θα ολοκληρώσει επιτυχώς (βαθμολογία >=50 με άριστα το 100) την εκπόνηση της κάθε εργασίας σύμφωνα με τα κριτήρια που θα τεθούν αναλυτικά κατά τη διάρκεια του μαθήματος. Σε περίπτωση μη-επιτυχούς ολοκλήρωσης του προγράμματος και βαθμολογίας της εργασίας <50, ο εκπαιδευόμενος θα μπορεί να υποβάλλει ξανά την εργασία σε μεταγενέστερο χρονικό διάστημα όσες φορές χρειαστεί.
Μονάδες ECTS: 6
Ώρες σύγχρονης κατάρτισης: 72
Περιλαμβάνονται οι ώρες κατάρτισης με διδασκαλία σε αίθουσα, σε εργαστήριο, ή εξ αποστάσεως (μέσω livestreaming) μαζί με τα τυχόν διαλείμματα.
Ώρες ασύγχρονης κατάρτισης: 68
Περιλαμβάνονται οι ώρες κατάρτισης (ενδεικτικά) με χρήση πλατφόρμας ασύγχρονης τηλεκπαίδευσης (eLearning).
Επιπλέον ώρες ενασχόλησης: 40
Περιλαμβάνονται οι επιπλέον ώρες ενασχόλησης (ενδεικτικά) και μπορεί να περιλαμβάνουν ατομική μελέτη, συγγραφή εργασιών, συμμετοχή σε επιτόπιες επισκέψεις, συμμετοχή σε εξετάσεις, κ.α.
Συνολικές ώρες: 180
Οι συνολικές ώρες περιλαμβάνουν τις ώρες σύγχρονης και ασύγχρονης κατάρτισης, καθώς και τις επιπλέον ώρες ενασχόλησης.
Εβδομάδες εκπαίδευσης: 8
Περιλαμβάνονται οι εβδομάδες κατά τις οποίες προβλέπονται δραστηριότητες οποιασδήποτε μορφής.
Πιστοποιητικό Επαγγελματικής Εκπαίδευσης και Κατάρτισης
Στους εκπαιδευόμενους που θα ολοκληρώσουν επιτυχώς το πρόγραμμα χορηγείται Πιστοποιητικό Επαγγελματικής Εκπαίδευσης και Κατάρτισης του Κέντρου Επιμόρφωσης και Δια Βίου Μάθησης του Οικονομικού Πανεπιστημίου Αθηνών, το οποίο συνοδεύεται από Συμπλήρωμα του Πιστοποιητικού, στο οποίο αναφέρονται αναλυτικά το αντικείμενο του προγράμματος, οι θεματικές ενότητες που παρακολούθησε ο εκπαιδευόμενος, καθώς και η μεθοδολογία εκπαίδευσης που ακολουθήθηκε.
Υποστήριξη
Αθανάσιος Ανδρούτσος, Επιστημονικός Υπεύθυνος, Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε., 2108203817
Αθανάσιος Πατσουράτης, Γραμματειακή Υποστήριξη, Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε., 2108203913
Σε ποιους απευθύνεται
Το πρόγραμμα απευθύνεται σε προγραμματιστές, επαγγελματίες πληροφορικής, αναλυτέςδεδομένων και στελέχη τεχνολογίας που επιθυμούν να αποκτήσουν πρακτικές δεξιότητες στηνενσωμάτωση μεγάλων γλωσσικών μοντέλων (LLMs) σε εφαρμογές. Είναι κατάλληλο για όσους θέλουν να εμβαθύνουν σε σύγχρονες αρχιτεκτονικές AI, να κατανοήσουν τα διαθέσιμα εργαλεία και να αναπτύξουν εφαρμογές με πραγματική αξία για τον οργανισμό ή την επιχείρησή τους.
Προαπαιτούμενες Γνώσεις
Γνώσεις Python
Έγγραφα που ζητούνται κατά την υποβολή της αίτησης (πληροφορίες)
Βιογραφικό σημείωμα (υποχρεωτικό)
Αποδεικτικό έγγραφο προσωπικών στοιχείων (υποχρεωτικό)
Επιστημονικός Υπεύθυνος
Τρόποι και συχνότητα επικοινωνίας με τους εκπαιδευτές
Συνεχώς μέσω Slack, e-mail, teams
Κόστος
ΔΙΑ ΖΩΣΗΣ: 600€
LIVE STREAMING: 600€
Περιγραφή δόσεων
Τα δίδακτρα ανέρχονται στα 600€ και αποπληρώνονται σε 2 δόσεις: Α) δόση-προκαταβολή 250€ προ της έναρξης του προγράμματος και Β) δόση 250€ πριν την ολοκλήρωση του προγράμματος. Το ποσό της Β' δόσης διαφέρει όταν ο καταρτιζόμενος δικαιούται έκπτωση (βλ. ΕΚΠΤΩΤΙΚΗ ΠΟΛΙΤΙΚΗ προγράμματος)
Οι καταρτιζόμενοι αρχικά υποβάλλουν αίτηση στο πρόγραμμα χωρίς ταυτόχρονη καταβολή διδάκτρων. Εφόσον γίνουν δεκτοί σε αυτό, ενημερώνονται σχετικά με τα ύψη των δόσεων των διδάκτρων και τις αντίστοιχες προθεσμίες τους με το μήνυμα αποδοχής τους, το οποίο αποστέλλεται μέσω ηλεκτρονικού ταχυδρομείου.

Εκπτωτική πολιτική (Δικαιολογητικά)
Άνεργοι: 20%
Φοιτητές ΑΕΙ/ΤΕΙ: 20%
Ομαδική εγγραφή (τουλ. 4 ατόμων της ίδιας επιχείρησης/οργανισμού): 20%
Άτομα με αναπηρία ή χρόνιες σοβαρές παθήσεις: 20%
Απόφοιτοι προπτυχιακών/μεταπτυχιακών προγραμμάτων του ΟΠΑ και προγραμμάτων του ΚΕΔΙΒΙΜ/ΟΠΑ: 10%
Στελέχη Ενόπλων Δυνάμεων: 20%
Απόφοιτοι Coding Factory: 20%

Ενδεικτικά σχόλια από άτομα που ολοκλήρωσαν το πρόγραμμα

Δεν υπάρχουν σχόλια χρηστών για αυτή την καταχώρηση.